Favicon de deepseek

DeepSeek: DeepSeek V3.2 Exp

deepseek/deepseek-v3.2-exp

Pesos del modelo

DeepSeek-V3.2-Exp is an experimental large language model released by DeepSeek as an intermediate step between V3.1 and future architectures. It introduces DeepSeek Sparse Attention (DSA), a fine-grained sparse attention mechanism designed to improve training and inference efficiency in long-context scenarios while maintaining output quality. Users can control the reasoning behaviour with the reasoning enabled boolean. Learn more in our docs

The model was trained under conditions aligned with V3.1-Terminus to enable direct comparison. Benchmarking shows performance roughly on par with V3.1 across reasoning, coding, and agentic tool-use tasks, with minor tradeoffs and gains depending on the domain. This release focuses on validating architectural optimizations for extended context lengths rather than advancing raw task accuracy, making it primarily a research-oriented model for exploring efficient transformer designs.

Modalidades
Precio de entrada / salida
0,27 US$ / 0,41 US$por 1M
Contexto
164K
Publicado
29 sept 2025
Fecha límite de conocimiento
jul 2025

Proveedores

Este modelo está alojado por un único proveedor. OpenRouter reenvía todas las solicitudes sin enrutamiento.

Precios

El precio medio que los clientes pagan realmente por este modelo, junto a los precios que publican los proveedores. El uso de caché y los descuentos hacen que el precio realmente pagado a menudo sea muy inferior al publicado.

Media ponderada

Entrada
0,27 US$/M tokens
Salida
0,4096 US$/M tokens
Historial de precios
No hay datos de precios efectivos para esta selección

Rendimiento

La velocidad de generación indica lo rápido que escribe el modelo (tokens por segundo: cuanto mayor, mejor). La latencia es el tiempo total de ida y vuelta (cuanto menor, mejor). TTFT es el tiempo hasta el primer token: cuánto tarda en aparecer algo en pantalla (cuanto menor, mejor).

Rendimiento
20tok/s

P50, el mejor entre los proveedores

Latencia
2,26s

P50, mejor proveedor

Tiempo de actividad

El tiempo de actividad es el porcentaje de los últimos 3 días en que al menos un proveedor respondía a las solicitudes. La disponibilidad es el porcentaje de tiempo en que la inferencia se sirvió correctamente. OpenRouter supervisa continuamente y utiliza el siguiente mejor proveedor cuando uno devuelve un error.

Tiempo de actividad (3 d)El modelo estaba accesible. Solicitud enrutada a un proveedor.
100,00 %
Disponibilidad (3 d)El modelo devolvió una inferencia de cualquier proveedor. Los errores y las respuestas vacías cuentan en su contra.
99,13 %

Disponibilidad durante los últimos 3 días

Últimas 72 horas
Disponibilidad 99,13 %
Hace 3 díasHace 2 díasAyerAhora

Disponibilidad en las últimas 24 horas

OpenRouter Availability
99,05 %

Cuando se produce un error en un proveedor ascendente, podemos recuperarnos enrutando la solicitud a otro proveedor que funcione correctamente, si los filtros de su solicitud lo permiten. Puede acceder mediante programación a los datos de tiempo de actividad de cada proveedor a través de la API de endpoints. Obtenga más información sobre nuestras opciones de equilibrio de carga y enrutamiento de proveedores.

Pruebas de rendimiento

Puntuaciones en evaluaciones estandarizadas y respuestas de este modelo a instrucciones compartidas de las pruebas de referencia. Los porcentajes más altos son mejores, y cada posición indica dónde se sitúa este modelo entre los modelos evaluados en esa fuente.

Resumen de puntuaciones en pruebas de rendimiento de DeepSeek: DeepSeek V3.2 Exp (Artificial Analysis y Design Arena)
FuentePrueba de rendimientoPuntuación
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) GPQA Diamond75.1%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) HLE11.2%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) IFBench49.0%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) τ²-Bench Telecom78.9%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) AA-LCR45.7%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) CritPt0.9%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) LiveCodeBench59.3%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) Terminal-Bench Hard32.6%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) MMLU-Pro83.7%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) AIME 202559.0%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) GPQA Diamond73.8%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) HLE9.0%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) IFBench43.1%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) τ²-Bench Telecom33.9%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) AA-LCR44.7%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) CritPt1.4%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) LiveCodeBench55.4%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) Terminal-Bench Hard25.0%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) MMLU-Pro83.6%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) AIME 202557.7%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) GPQA Diamond79.7%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) HLE14.9%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) IFBench54.1%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) τ²-Bench Telecom33.9%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) AA-LCR72.3%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) CritPt1.4%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) LiveCodeBench78.9%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) Terminal-Bench Hard31.1%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) MMLU-Pro85.0%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) AIME 202587.7%
Design ArenaDeepSeek-V3.2-Exp Models Arena 3D Elo1128
Design ArenaDeepSeek-V3.2-Exp Models Arena Code Categories Elo1160
Design ArenaDeepSeek-V3.2-Exp Models Arena Data Visualization Elo1148
Design ArenaDeepSeek-V3.2-Exp Models Arena Game Development Elo1133
Design ArenaDeepSeek-V3.2-Exp Models Arena SVG Elo1020
Design ArenaDeepSeek-V3.2-Exp Models Arena UI Component Elo1156
Design ArenaDeepSeek-V3.2-Exp Models Arena Website Elo1171

Aplicaciones

Aplicaciones públicas que envían más tráfico a este modelo. Una buena señal de cómo son las cargas de trabajo reales en producción, y una pista sobre los casos de uso para los que este modelo es más adecuado.

1.
Favicon de https://janitorai.com/
Janitor AI
8,34Btókenes
2.
Favicon de https://sillytavern.app/
SillyTavern
1,68Btókenes
3.
Favicon de https://chub.ai/
Chub AI
1,24Btókenes
4.
992Mtókenes
5.
831Mtókenes
Resto de OpenRouter
196M
Las 5 aplicaciones principales
75,4M

Actividad

Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.

API

Código listo para usar para llamar a este modelo. La API de OpenRouter es compatible con OpenAI: la mayoría de los SDK funcionan con solo cambiar la URL base. Lo único que cambia entre modelos es el identificador del modelo que aparece a continuación.

Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región

Preguntas frecuentes